Искусственный интеллект и машинное обучение: как это работает
В настоящее время на рынке IT наблюдается бурное развитие сервисов, использующих технологии машинного обучения и системы искусственного интеллекта на базе нейронных сетей (Artificial Intelligence, AI). Однако далеко немногие имеют представление о том, как работают подобного рода решения и какие принципы положены в их основу. Приведённые ниже слайды «Лаборатории Касперского» раскрывают природу машинного обучения и дают самое простое объяснение того, как функционируют AI-системы.
Для понимания логики работы машинного обучения специалисты «Лаборатории Касперского» предлагают рассмотреть интеллектуальную систему, которая умеет в автоматическом режиме отличать осмысленный текст от «ненастоящего».
В основу такой AI-системы положен алгоритм, который на этапе обучения будет считать, как часто в настоящем тексте одна конкретная буква следует за другой конкретной буквой, и накапливать полученные знания.
В приведённом случае для обучения искусственного интеллекта необходимо построить модель русского языка. Сделать это можно посредством анализа частоты упоминания сочетаний букв в каком-нибудь заслуживающем доверия литературном источнике, например, в романе Льва Толстого «Война и мир» (для математической оценки был взят небольшой фрагмент знаменитого произведения).
Далее на основе сформированной модели и полученных знаний производится подсчёт «правдоподобности» обрабатываемых AI-системой текстовых данных. Сначала для текста, который пишут настоящие люди, а затем — для примера со словесным мусором.
В итоге алгоритмами машинного обучения формируется коэффициент «правдоподобности» хороших и плохих текстов. Именно руководствуясь этим показателем, искусственный интеллект может самостоятельно принимать взвешенное решение и без вмешательства человека отличать осмысленный текст от «ненастоящего».
Конечно, приведённый «Лабораторией Касперского» пример лишь в общих чертах разъясняет логику работы систем искусственного интеллекта, но даже его достаточно для понимания базовых принципов, положенных в основу технологий машинного обучения.